GIS空间插值方法如下:
1、IDW
IDW是一种常用而简便的空间插值方法,它以插值点与样本点间的距离为权重进行加权平均,离插值点越近的样本点赋予的权重越大。 设平面上分布一系列离散点,已知其坐标和值为Xi,Yi, Zi (i =1,2,…,n)通过距离加权值求z点值。
IDW通过对邻近区域的每个采样点值平均运算获得内插单元。这一方法要求离散点均匀分布,并且密度程度足以满足在分析中反映局部表面变化。
2、克里金插值
克里金法(Kriging)是依据协方差函数对随机过程/随机场进行空间建模和预测(插值)的回归算法。
在特定的随机过程,例如固有平稳过程中,克里金法能够给出最优线性无偏估计(Best Linear Unbiased Prediction, BLUP),因此在地统计学中也被称为空间最优无偏估计器(spatial BLUP)。
对克里金法的研究可以追溯至二十世纪60年代,其算法原型被称为普通克里金(Ordinary Kriging, OK),常见的改进算法包括泛克里金(Universal Kriging, UK)、协同克里金(Co-Kriging, CK)和析取克里金(Disjunctive Kriging, DK);克里金法能够与其它模型组成混合算法。
3、Natural Neighbour法
原理是构建voronoi多边形,也就是泰森多边形。首先将所有的空间点构建成voronoi多边形,然后将待求点也构建一个voronoi多边形,这样就与圆多边形有很多相交的地方,根据每一块的面积按比例设置权重,这样就能够求得待求点的值了。个人感觉这种空间插值方法没有实际的意义来支持。
4、样条函数插值spline
在数学学科数值分析中,样条是一种特殊的函数,由多项式分段定义。样条的英语单词spline来源于可变形的样条工具,那是一种在造船和工程制图时用来画出光滑形状的工具。在中国大陆,早期曾经被称做“齿函数”。后来因为工程学术语中“放样”一词而得名。
在插值问题中,样条插值通常比多项式插值好用。用低阶的样条插值能产生和高阶的多项式插值类似的效果,并且可以避免被称为龙格现象的数值不稳定的出现。并且低阶的样条插值还具有“保凸”的重要性质。
5、Topo to Raster
这种方法是用于各种矢量数据的,特别是可以处理等高线数据。
6、Trend
根据已知x序列的值和y序列的值,构造线性回归直线方程,然后根据构造好的直线方程,计算x值序列对应的y值序列。TREND函数和FORECAST函数计算的结果一样,但是计算过程完全不同。